Доказать неравенство между средними: для положительных чисел справедливо арифметическое среднее >= геометрическое. Приведите несколько вариантов доказательства и обсудите, в каких ситуациях один из них удобнее
Утвердение. Для положительных чисел a1,…,an>0a_1,\dots,a_n>0a1,…,an>0 справедливо a1+⋯+ann≥(a1⋯an)1/n,
\frac{a_1+\dots+a_n}{n}\ge (a_1\cdots a_n)^{1/n}, na1+⋯+an≥(a1⋯an)1/n,
и равенство тогда и только тогда, когда a1=⋯=ana_1=\dots=a_na1=⋯=an. Приведу несколько кратких доказательств и отмечу, где каждое удобно. 1) Двухэлементное доказательство (классика). Для a,b>0a,b>0a,b>0 имеем (a−b)2≥0(\sqrt a-\sqrt b)^2\ge0(a−b)2≥0, откуда a+b≥2ab⇒a+b2≥ab.
a+b\ge 2\sqrt{ab}\quad\Rightarrow\quad \frac{a+b}{2}\ge\sqrt{ab}. a+b≥2ab⇒2a+b≥ab.
Это удобно как базовый шаг и для задач, где только два числа. 2) Повторное применение двоичного шага (метод «усреднения пар»). Если неравенство верно для nnn чисел, то для 2n2n2n чисел группируем их попарно, заменяем каждую пару на их среднее и применяем предположение к nnn средним; в результате получаем неравенство для 2n2n2n. Подставив при необходимости повторения, получаем случай общего nnn. Удобно для элементарного вывода для произвольного конечного nnn через случай 2k2^k2k. 3) Через выпуклость/выпуклую функцию exp\expexp (или выпуклость/вогнутость ln\lnln). Пусть xi=lnaix_i=\ln a_ixi=lnai. Так как exe^xex — выпуклая функция, по неравенству Йенсена exp (1n∑i=1nxi)≤1n∑i=1nexp(xi),
\exp\!\Big(\frac{1}{n}\sum_{i=1}^n x_i\Big)\le\frac{1}{n}\sum_{i=1}^n \exp(x_i), exp(n1i=1∑nxi)≤n1i=1∑nexp(xi),
то, вернув xi=lnaix_i=\ln a_ixi=lnai, (a1⋯an)1/n≤a1+⋯+ann.
(a_1\cdots a_n)^{1/n}\le\frac{a_1+\dots+a_n}{n}. (a1⋯an)1/n≤na1+⋯+an.
Этот подход удобен при обобщениях (весовые средние, непрерывные версии) и даёт краткое доказательство через свойство выпуклых функций. 4) Через вогнутость логарифма (обратный взгляд). Функция ln\lnln вогнута, поэтому ln (a1+⋯+ann)≥1n∑i=1nlnai.
\ln\!\Big(\frac{a_1+\dots+a_n}{n}\Big)\ge\frac{1}{n}\sum_{i=1}^n\ln a_i. ln(na1+⋯+an)≥n1i=1∑nlnai.
Экспоненцируя, получаем искомое. Удобен, когда работают с произведениями и логарифмами (например, при задачах оптимизации). 5) Через метод Лагранжа (оптимизация при фиксированном произведении). Рассмотрим минимум 1n∑ai\frac{1}{n}\sum a_in1∑ai при фиксированном произведении P=a1⋯anP=a_1\cdots a_nP=a1⋯an. По симметрии и условиям стационарности получаем a1=⋯=ana_1=\dots=a_na1=⋯=an, значит минимум равен (P)1/n(P)^{1/n}(P)1/n. Отсюда AM ≥\ge≥ GM. Удобно, если задача формулируется как экстремум с ограничением. 6) Весовое AM–GM (Young/неравенство Гёльдера). В более общей форме, для весов λi≥0\lambda_i\ge0λi≥0, ∑λi=1\sum\lambda_i=1∑λi=1, ∏i=1naiλi≤∑i=1nλiai.
\prod_{i=1}^n a_i^{\lambda_i}\le\sum_{i=1}^n\lambda_i a_i. i=1∏naiλi≤i=1∑nλiai.
Взяв λi=1/n\lambda_i=1/nλi=1/n получаем обычное AM–GM. Этот вариант удобен для задач с неравными весами или при переходе к теории неравенств. Краткое сопоставление удобств: - Простые алгебраические доказательства (1,2) — понятны и полезны в школьных задачах. - Доказательства через выпуклость/Йенсена (3,4) — короче и мощнее для обобщений (весовые версии, интегральные аналоги). - Лагранж и весовые формулировки — удобны при оптимизации и в теории неравенств. Все эти доказательства приводят к единому условию равенства: a1=⋯=ana_1=\dots=a_na1=⋯=an.
a1+⋯+ann≥(a1⋯an)1/n, \frac{a_1+\dots+a_n}{n}\ge (a_1\cdots a_n)^{1/n},
na1 +⋯+an ≥(a1 ⋯an )1/n, и равенство тогда и только тогда, когда a1=⋯=ana_1=\dots=a_na1 =⋯=an .
Приведу несколько кратких доказательств и отмечу, где каждое удобно.
1) Двухэлементное доказательство (классика). Для a,b>0a,b>0a,b>0 имеем (a−b)2≥0(\sqrt a-\sqrt b)^2\ge0(a −b )2≥0, откуда
a+b≥2ab⇒a+b2≥ab. a+b\ge 2\sqrt{ab}\quad\Rightarrow\quad \frac{a+b}{2}\ge\sqrt{ab}.
a+b≥2ab ⇒2a+b ≥ab . Это удобно как базовый шаг и для задач, где только два числа.
2) Повторное применение двоичного шага (метод «усреднения пар»). Если неравенство верно для nnn чисел, то для 2n2n2n чисел группируем их попарно, заменяем каждую пару на их среднее и применяем предположение к nnn средним; в результате получаем неравенство для 2n2n2n. Подставив при необходимости повторения, получаем случай общего nnn. Удобно для элементарного вывода для произвольного конечного nnn через случай 2k2^k2k.
3) Через выпуклость/выпуклую функцию exp\expexp (или выпуклость/вогнутость ln\lnln). Пусть xi=lnaix_i=\ln a_ixi =lnai . Так как exe^xex — выпуклая функция, по неравенству Йенсена
exp (1n∑i=1nxi)≤1n∑i=1nexp(xi), \exp\!\Big(\frac{1}{n}\sum_{i=1}^n x_i\Big)\le\frac{1}{n}\sum_{i=1}^n \exp(x_i),
exp(n1 i=1∑n xi )≤n1 i=1∑n exp(xi ), то, вернув xi=lnaix_i=\ln a_ixi =lnai ,
(a1⋯an)1/n≤a1+⋯+ann. (a_1\cdots a_n)^{1/n}\le\frac{a_1+\dots+a_n}{n}.
(a1 ⋯an )1/n≤na1 +⋯+an . Этот подход удобен при обобщениях (весовые средние, непрерывные версии) и даёт краткое доказательство через свойство выпуклых функций.
4) Через вогнутость логарифма (обратный взгляд). Функция ln\lnln вогнута, поэтому
ln (a1+⋯+ann)≥1n∑i=1nlnai. \ln\!\Big(\frac{a_1+\dots+a_n}{n}\Big)\ge\frac{1}{n}\sum_{i=1}^n\ln a_i.
ln(na1 +⋯+an )≥n1 i=1∑n lnai . Экспоненцируя, получаем искомое. Удобен, когда работают с произведениями и логарифмами (например, при задачах оптимизации).
5) Через метод Лагранжа (оптимизация при фиксированном произведении). Рассмотрим минимум 1n∑ai\frac{1}{n}\sum a_in1 ∑ai при фиксированном произведении P=a1⋯anP=a_1\cdots a_nP=a1 ⋯an . По симметрии и условиям стационарности получаем a1=⋯=ana_1=\dots=a_na1 =⋯=an , значит минимум равен (P)1/n(P)^{1/n}(P)1/n. Отсюда AM ≥\ge≥ GM. Удобно, если задача формулируется как экстремум с ограничением.
6) Весовое AM–GM (Young/неравенство Гёльдера). В более общей форме, для весов λi≥0\lambda_i\ge0λi ≥0, ∑λi=1\sum\lambda_i=1∑λi =1,
∏i=1naiλi≤∑i=1nλiai. \prod_{i=1}^n a_i^{\lambda_i}\le\sum_{i=1}^n\lambda_i a_i.
i=1∏n aiλi ≤i=1∑n λi ai . Взяв λi=1/n\lambda_i=1/nλi =1/n получаем обычное AM–GM. Этот вариант удобен для задач с неравными весами или при переходе к теории неравенств.
Краткое сопоставление удобств:
- Простые алгебраические доказательства (1,2) — понятны и полезны в школьных задачах.
- Доказательства через выпуклость/Йенсена (3,4) — короче и мощнее для обобщений (весовые версии, интегральные аналоги).
- Лагранж и весовые формулировки — удобны при оптимизации и в теории неравенств.
Все эти доказательства приводят к единому условию равенства: a1=⋯=ana_1=\dots=a_na1 =⋯=an .